在人工智能和计算机视觉领域，人体姿态估计是一项极具挑战性的任务，它对于理解人类行为、增强人机交互等方面具有重要意义。YOLOv8Pose作为YOLO系列中的新成员，以其高效和准确性在人体姿态估计任务中脱颖而出。本文将详细介绍如何在瑞芯微RK3588平台上，使用RKNN（Rockchip Neural Network Toolkit）框架部署YOLOv8Pose模型，并进行C++代码的编译和运行。注 本文...

并泛化对象的不同表示。这三个注意力机制是顺序应用的，可以多次嵌套以有效地将多个注意力块堆叠在一起。 模块作用 DynamicHead模块的主要作用是提升目标检测的性能。通过将DynamicHead加入Yolo11的Detect head中，可以充分利用其注意力机制来增强特征表示，从而提高检测的准确性...

文章目录 摘要 一、论文介绍 二、创新点 三、方法 四、模块作用 五、改进的效果（以YoloV8为例） 论文翻译：《DEA-Net：基于细节增强卷积和内容引导注意力的单幅图像去雾》 I 引言 II. 相关工作 III 方法论 IV 实验 V 结论 需要安装的库 代码 改进方法 测试结果 总结 摘要 一、论文介绍 DEA-Net的提出背景：单幅图像去雾是一项具有挑战性的任务，旨在从观测到的雾图中恢复出潜在...

YOLOv8 姿态识别与分类：从训练到部署的全流程详解 引言 YOLO（You Only Look Once）系列模型以其快速和高效的目标检测能力而闻名，最新版本YOLOv8不仅继承了这些优点，还引入了姿态识别和分类的新功能。本文将详细介绍如何使用YOLOv8进行姿态识别和分类，并涵盖从数据准备、模型训练到最终部署的完整流程。 1. 数据准备 1.1 数据收集 姿态识别任务的数据集通常包含标注好的人体关...

电力设备漏油检测图像数据集，数据集总数为687张，标注为voc格式，也可以转yolo格式 如何使用YOLOv8训练电力设备漏油检测图像数据集的详细步骤和代码。我们将使用PyTorch和YOLOv8的官方实现来进行训练。 项目结构 OilLeakDetection/ ├── data/ │ ├── images/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ ├─...

@[使用onnxruntime c++ API实现yolov5m视频检测] 本文演示了yolov5m从模型导出到onnxruntime推理的过程 一.创建容器 docker run --shm-size=32g -ti --privileged --net=host \ --rm \ -v $PWD:/home -w /home ghcr.io/intel/llvm/ubuntu2204_base /b...

​ 👑 YOLOv11有效涨点专栏目录 👑  专栏视频介绍：包括专栏介绍、得到的项目文件、模型二次创新、权重文件的使用问题，点击即可跳转。 前言   Hello，各位读者们好. 本文为YOLOv11有效涨点专栏目录，YOLOv11以及发布了一个月左右，这个过程中我也是给大家整理了许多的机制，其中包含了C3k2、C2PSA、主干（均支持根据yolov11训练的版本进行二次缩放，全系列都能轻量化）、检测头、...

n/ ├── val/ └── test/ 每个文件夹中包含对应的图像文件和掩码文件。确保所有图像文件都是.jpg格式，而掩码文件是.png格式，并且它们的名字与对应的图像文件相同。 数据集转换 由于YOLOv8需要标签文件为YOLO格式（即.txt文件），我们需要将Mask格式的标签文件转换为YOLO格式。 安装依赖 确保你已经安装了必要的库： bash 深色版本 pip install numpy o...

     目录 🚀1.基础概念 🚀2.添加位置  🚀3.添加步骤 🚀4.改进方法 💥💥步骤1：common.py文件修改 💥💥步骤2：yolo.py文件修改 💥💥步骤3：创建自定义yaml文件 💥💥步骤4：修改自定义yaml文件 💥💥步骤5：验证是否加入成功...

摘要 在目标检测领域，模型性能的提升一直是研究者和开发者们关注的重点。近期，我们尝试将CAFormer模块引入YoloV9模型中，以替换其原有的主干网络，这一创新性的改进带来了显著的性能提升。 CAFormer，作为MetaFormer框架下的一个变体，结合了深度可分离卷积和普通自注意力机制的优势。在底层阶段，CAFormer采用深度可分离卷积作为令牌混合器，有效降低了计算复杂度并保持了良好的性能；而在...